- 博客(14)
- 收藏
- 关注
RSS订阅原创 机器学习10-k-means算法
K-means算法K-means主要由簇分配和移动聚类中心两部分组成，是一种迭代的算法，2个簇的流程可如下描述：簇分配：随机选择两个样本点，作为簇中心，将每个样本划分至距离更近的簇中心，作为它所属的簇移动聚类中心：分别计算两个簇中，属于这个簇所有样本的均值，将这个取平均后的向量位置作为当前簇新的中心重新进行簇分配、移动聚类中心，不断迭代，直到聚类中心不再改变用伪代码，可作如下描述：优化目标函数随机初始化注：K-means聚类算法有时候会陷入局部最优解。如下图所示：K值（簇的数
2021-09-14 14:45:17
131
原创 机器学习08-神经网络
神经元模型：Logistic单元x0：偏置单元、偏置神经元x_0：偏置单元、偏置神经元x0：偏置单元、偏置神经元非输入层、输出层被称为隐藏层，即图中第二层。
2021-09-13 11:31:07
38
原创 机器学习07-正则化
正则化思想正则化思想：在原有的min12m∑i=1m(hθ(xi)−yi)2min\frac{1}{2m}\sum_{i=1}^m(h_\theta(x^i)-y^i)^2min2m1i=1∑m(hθ(xi)−yi)2加上1000θ32+1000θ42\theta_3^2+1000\theta_4^2θ32+1000θ42(此处为举例，具体情况具体讨论)，为使min12m∑i=1m(hθ(xi)−yi)2+1000θ32+1000θ42min\frac{1}{2m}\sum_{i=1}^m
2021-09-13 11:01:31
99
原创 机器学习06-Logistic回归
模型假设函数：hθ(x)=g(z)=11+e−zh_\theta(x)= g(z) = \frac{1}{1+e^{-z}}hθ(x)=g(z)=1+e−z1且 z=θTxz = \theta^Txz=θTxhθ(x)h_\theta(x)hθ(x)为给出x，θ\thetaθ的情况下的概率，该概率大于$$
2021-09-11 20:22:56
59
原创 机器学习05-矢量、分类
矢量matlab、python、Java、C++等语言会提供线性代数库如图，左侧未使用，右侧进行向量化，计算θT∗x\theta^T*xθT∗x.阈值
2021-09-11 16:11:46
74
原创 leetcode-打家劫舍（198、213、337）
你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。示例 1：输入：[1,2,3,1]输出：4解释：偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。 偷窃到的最高金额 = 1 + 3 = 4 。示例 2：...
2021-09-10 16:16:51
55
原创 机器学习02-代价函数、线性回归、梯度下降
目录线性回归代价函数选择的依据平方和误差平均平方和误差定义图像梯度下降法α\alphaα 学习率线性回归的梯度下降线性回归是一种预测监督式学习的方法，它通常表现为如下形式表现形式h(x)=θ0+θ1∗xh ( x ) = \theta_0 + \theta_1 * x h(x)=θ0+θ1∗x代表从x到y的映射函数，x代表输入，y代表输出。对数据集进行简单的拟合，最简单的模型。表现形式为一次函数。比如线性回归有一个训练集，我们选择了线性回归，那么要如何选择合适的参量使得我们的预测更为准
2021-09-10 16:11:40
175
转载 机器学习01-基础
机器学习 概述机器学习(Machine Learning,ML)是使用计算机来彰显数据背后的真实含义，它为了把无序的数据转换成有用的信息。是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。海量的数据 获取有用的信息机器学习 研究意义...
2021-09-10 13:21:23
174
原创 PAT笔记
堆判断大根堆/小根堆for(int i = 2; i <= n; i++){ if(a[i/2] >a[i]) isMin = 0; if(a[i/2] <a[i]) isMax = 0;}堆排序（大根堆）→递增序列取出堆顶元素，将最后一个元素替换至堆顶，再一一进行向下调整。while(p > 2 && b[p] >= b[1]) p--;swap(b[1], b[p]);downAdjust(b, 1, p-1);
2021-05-19 17:07:46
56
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人